基于水平同步擠壓變換的縫洞型儲層紋理特征提取研究

摘要：縫洞型儲層的小尺度和復雜結構使得精細刻畫縫洞大小及分布變得困難。針對此問題提出了一種新的紋理特征提取方法，即結合高精度的水平同步擠壓變換與灰度共生矩陣。這種方法有效提高了精度，為縫洞識別提供了更準確、全面的特征信息。然后，通過合成信號和實際數據的分析，證明了該方法的有效性和適用性，即顯著提升了地震資料解釋精度，為識別復雜地質目標提供了新的途徑。

關鍵詞：縫洞儲層;水平同步擠壓變換;紋理特征;時頻分析

縫洞型碳酸鹽巖儲層因其復雜的形成過程和顯著的非均質性，對其進行表征具有極大挑戰。同步擠壓變換憑借其高時頻分辨率、良好能量聚集性和穩定性等優勢，在地震數據處理和儲層預測中得到廣泛應用。紋理分析作為圖像處理的重要手段，已在斷層識別、邊緣檢測等領域展現出良好性能。

本研究提出一種基于水平同步擠壓變換（HST）的縫洞型儲層紋理特征提取新方法。HST通過對群延遲的局部估計，在保持暫態信號可逆性的同時產生緊湊時頻表示。該方法將HST與紋理特征屬性分析相融合，可精確識別縫洞型儲層特征，已在合成信號和實際數據分析中證實其有效性和適用性。

1水平同步擠壓變換

1.1紋理特征屬性

灰度共生矩陣（Gray Level Cooccurrence Matrix， GLCM）是分析圖像紋理特征的關鍵方法。它基于估計圖像的二階組合條件概率密度函數，通過計算圖像中具有一定距離和特定方向的兩像素點間的灰度相似性，來揭示圖像在方向、相鄰間隔、變化幅度及快慢上的綜合信息。通常，定義具有明確地質意義的參數來提取這些紋理特征。對于矩陣P（i，j），常選用能量、熵和對比度等3個紋理特征屬性：

（1） 能量：描述數據結構的均衡性特征。一般來說，粗紋理的能量值較大，而細紋理的能量值較小。

（2） 熵：用于量化圖像的無序度和復雜度。

（3） 對比度：刻畫圖像的相關性或局部變化［1］。

1.2基于HST紋理特征提取方法

基于HST紋理特征提取方法的核心思想是將地震信號通過高精度時頻分析轉換到時頻域，并提取頻率峰振幅，進而計算紋理特征屬性。具體實現過程如下：

（1） 時頻分析：將地震信號進行時頻分析，常用的方法包括STFT、小波變換等。HST時頻變換具有可逆性，并能形成緊湊且清晰的時頻表示。

（2） 頻率峰值振幅計算：在時頻圖中，選取主頻段計算每個時頻點的最大振幅，反映信號在特定頻率段的振幅變化特征。

（3） 紋理特征提取：利用灰度共生矩陣方法從頻率峰值振幅中提取紋理特征，如能量、熵和對比度等，揭示信號內在結構和統計屬性。

2應用實例

2.1合成地震信號分析

為了更好地模擬地震信號，本研究建立了一個3層地下水平層狀介質模型，并使用主頻為60 Hz的雷克子波進行激發。設置地震波在每層中的傳播時間均為300 ms，每層厚度依次為100、200和300 m。應用Kolsky衰減理論計算衰減因子，其中Q值是地層的衰減因子。這一模型模擬了一套具有理論衰減的地震信號，用以驗證水平同步擠壓變換的時頻效果。

對模擬的地震信號分別進行短時傅里葉變換（STFT）、時間重分布多重同步擠壓變換（TSST）和水平同步擠壓變換（HST）的時頻分析。結果表明，在STFT變換的時頻譜中，時頻聚焦能力不夠，不能很好地展示地震信號的真實時頻特征。相比之下，HST經過同步擠壓處理后，在時頻譜中呈現出更集中且較強的能量，時頻分辨率明顯提高。這表明HST變換所得的時頻譜更加準確，更有利于對地震信號的時頻特征進行分析。

為了進一步驗證這3種時頻變換方法的抗噪性，在模擬的地震信號中加入10 dB的高斯白噪聲，并對加噪后的信號再次進行STFT、TSST和HST變換。結果顯示，噪聲的引入影響了時頻分析的結果，尤其對高頻成分的影響更為嚴重，導致時頻譜整體分辨率降低。然而，相對于STFT和TSST，HST展示了最好的噪聲壓制效果，具有優秀的抗噪性。

綜上所述，對合成地震信號的分析表明，水平同步擠壓變換在時頻分辨率和抗噪性上優于短時傅里葉變換和時間重分布多重同步擠壓變換。因此，HST在處理復雜地震信號時具有明顯優勢，為地震信號的時頻分析提供更準確可靠的結果。

2.2實際數據應用

2.2.1工區地質概況

本研究區域位于塔河油田M區西部，目標層位于奧陶系中深部。據現有研究及鉆井資料顯示，該區以奧陶系油藏為主，涵蓋上、中、下奧陶統。鷹山組位于中奧陶統與下奧陶統之間，可細分為4個段位。查閱現場采油數據和現有井位信息，對4口井做了連井剖面分析，揭示出該區奧陶系中深部主要發育縫洞型儲積體，并在地震剖面上表現為“串珠狀”異常響應特征。

2.2.2連井地震剖面分析

研究人員對每組數據的時頻圖進行了細致計算，得到頻率峰值振幅，并將其繪制成圖示。分析結果顯示，在原始振幅、瞬時振幅和經HST變換的頻率峰值中，異常變化特征均有體現。但干井的縫洞特征在短時傅里葉變換和TSST變換下表現不太明顯，而在HST變換下則更加顯著。這進一步證實了HST變換具有更高的時頻分辨率，能夠更準確、更清晰地描繪出縫洞特征［2］。

2.2.3縫洞儲層紋理特征提取

為了評估所提方法在縫洞儲層識別中的優勢，研究人員從實際三維地震數據進行了計算和分析。他們采用滑動窗口和灰度共生矩陣等方法，對原始振幅和HST頻率峰值振幅進行了紋理特征提取。結果表明，基于HST頻率峰值振幅獲得的紋理屬性能夠更清晰地刻畫縫洞儲層特征，尤其是對比度屬性具有更高的分辨率和抗干擾能力。

將計算結果與現場采油情況進行對比分析發現，產油井位置與縫洞體位置相吻合，而干井則位于縫洞特征不明顯的區域，這驗證了所提出方法的可行性和優越性。

2.2.4縫洞儲層三維特征提取

在完成HST變換后，研究人員獲得了完整的峰值頻率三維數據體。為了深入分析和提取有用信息，他們對三維數據體進行了共生矩陣變換，提取出三維紋理特征矩陣，增強了數據之間的關聯性和紋理特征。

傳統地震屬性分析雖能在平面和剖面上刻畫縫洞輪廓，但在表達空間關系方面存在局限。因此，研究人員采用了基于振幅范圍的量化描述方法，以立體方式揭示縫洞內部結構特征和連通性［3］。

對特定層位數據進行處理和分析，最終成功獲得了三維縫洞雕刻圖像。結合現場數據可以發現產油井均位于縫洞體內，而干井位于空白區域。這不僅驗證了所提方法在刻畫縫洞儲層方面的準確性，而且該三維圖像直觀展示了縫洞體的空間形態，有助于進一步理解縫洞內部結構和連通性。

總而言之，通過對實際數據的分析，能夠證實所提出的基于HST的方法在縫洞儲層識別和特征刻畫方面是具有顯著優勢的，能為油氣勘探提供更精準和全面的地質信息支持［4］。

3結論

結合HST與紋理特征，發展了基于HST的紋理特征提取方法，并證明了在塔河油田應用效果良好，提升了特征提取準確性和效率，為油氣勘探提供基礎數據。但后續仍需優化HST及時頻算法，需要提高處理大規模數據的效率和穩定性。

參考文獻：

［1］李陽.塔河油田碳酸鹽巖縫洞型油藏開發理論及方法［J］.石油學報，2013，34（1）：115121.

［2］朱石磊，段林娣，林暢松，等.基于灰度共生矩陣的地震數據空間結構屬性分析技術［J］.石油地球物理勘探，2012，47（6）：951972.

［3］桂志先，楊曉龍，王鵬.基于地震紋理屬性的裂縫預測方法及應用［J］.長江大學學報（自然科學版），2022，20（3）：3339.

［4］賈永娜，吳杰，王國偉，等.基于Gabor紋理學習的地震數據重建算法［J］.石油地球物理勘探，2023，58（3）：617625.

作者簡介：郭姝君，女，四川成都人，碩士研究生，研究方向：地球物理勘探。